ดูตัวเลือกด้านล่าง
สมมติว่าร้านขายรองเท้าออนไลน์ต้องการสร้างโมเดล ML ที่มีการควบคุมดูแลซึ่งจะแนะนํารองเท้าที่ปรับตามโปรไฟล์ของผู้ใช้ กล่าวคือ รูปแบบจะแนะนํารองเท้าคู่หนึ่งให้กับ Marty และรองเท้าคู่อื่นไปยัง Janet ระบบจะใช้ข้อมูลพฤติกรรมของผู้ใช้ในอดีตในการสร้างข้อมูลการฝึก ข้อความใดต่อไปนี้เป็นจริง
"Shoe size" เป็นฟีเจอร์ที่มีประโยชน์
"Shoe size" เป็นการวัดเชิงปริมาณที่
จะส่งผลอย่างมากว่าผู้ใช้จะชอบรองเท้า
ที่แนะนําหรือไม่ เช่น หากมณียาสวมขนาด 9 รุ่นไม่ควรแนะนํารองเท้าขนาด 7
"Shoe Beauty" เป็นฟีเจอร์ที่มีประโยชน์
คุณสมบัติที่ดีเป็นรูปธรรมและวัดผลได้
ความงามเป็นเรื่องที่คลุมเครือมากเกินกว่าจะแสดงในลักษณะที่เป็นประโยชน์ได้
ส่วนความงามนั้นควรมีลักษณะที่ชัดเจนรวมกัน เช่น สไตล์และสี แต่ละสไตล์และสีสันจะเป็นฟีเจอร์ที่ดีกว่าความงาม
"ผู้ใช้คลิกรองเท้า'คําอธิบาย" เป็นป้ายกํากับที่มีประโยชน์
ผู้ใช้อาจต้องการอ่านเพิ่มเติมเกี่ยวกับรองเท้าที่ชอบเท่านั้น จํานวนคลิกตามผู้ใช้จึงเป็นเมตริกที่สังเกตได้และวัดผลได้ซึ่งใช้เป็นป้ายกํากับการฝึกอบรมที่ดี เนื่องจากข้อมูลการฝึกของเรามาจากพฤติกรรมของผู้ใช้ในอดีต ป้ายกํากับของเราต้องดึงมาจากพฤติกรรมตามวัตถุประสงค์ เช่น การคลิกที่สัมพันธ์กับค่ากําหนดของผู้ใช้อย่างมาก
"รองเท้าที่ผู้ใช้ชื่นชอบ&" เป็นป้ายกํากับที่มีประโยชน์
ค่าเมตริกไม่ใช่เมตริกแบบสังเกตได้และปริมาณ สิ่งที่ดีที่สุดที่เราทําได้คือการค้นหาเมตริกพร็อกซีที่สังเกตได้สําหรับการแสดงความชื่นชอบ